Windows下安装CUDA和Pytorch

目录

1.cuda toolkit Download

2.cuDNN Download

3.pytorch下载安装

4.用动手深度学习的一个项目测试

---

1.cuda toolkit Download

cmd输入nvidia-smi，查看电脑支持的版本。

Release Notes :: CUDA Toolkit Documentation

进入上方链接进行比照，选择的cuda版本不能高于你的显卡驱动里面那个版本号，我这边选择了11.2版本。 

从该链接下载对应版本（下载速度有点小慢）：CUDA Toolkit Archive | NVIDIA Developer

临时解压路径，默认即可，安装结束后，临时解压文件夹会自动删除。

 同意->自定义，不用选Visual Studio Integration

安装路径自己选，并且记住它。

安装完发现自动添加了几个环境变量

运行cmd，输入nvcc --version 可查看版本号；输入set cuda，可查看 CUDA 设置的环境变量。

2.cuDNN Download

cuDNN地址如下，需要注册一个账号，才可以下载。

https://developer.nvidia.com/rdp/cudnn-download

可以使用下面网址，查看适配的 cuDNN

cuDNN Archive | NVIDIA Developer
 

将下载解压后的三个文件夹直接复制到cuda的安装目录下。

我的安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

往系统环境变量中的 path 添加如下路径（根据自己的路径进行修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib

来到安装目录下的\extras\demo_suite，把bandwidthTest.exe和deviceQuery.exe拖入cmd中，出现Result = PASS则安装成功

完整路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite

3.pytorch下载安装

PyTorch官网： PyTorch 

把下面的 pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.

org/whl/cu113复制到cmd

测试一下，在cmd输入：

python
import torch
a = torch.ones((3,1))
a = a.cuda(0)
b = torch.ones((3,1)).cuda(0)
a + b

得到上述结果即为成功。 

4.用动手深度学习的一个项目测试

《动手学深度学习》 — 动手学深度学习 2.0.0-beta1 documentation

首先，进入如上网址，下载jupyter记事本

其次，在cmd中输入：pip install jupyter d2l

因下载速度较慢，我用了中科大的源-i https://pypi.mirrors.ustc.edu.cn/simple/，因为报错又在后面补了-use-feature=2020-resolver

完整代码：

pip install jupyter d2l -i https://pypi.mirrors.ustc.edu.cn/simple/-use-feature=2020-resolver

下载成功后打开jupyter notebook

 选择一个项目测试，不出意外地发现报错：

直接pip install matplotlib-inline

或者去github上把ipython/matplotlib-inline包下下来

 https://github.com/ipython/matplotlib-inline

 

将其中的 matplotlib_inline 文件夹复制到C:\Users\caoyilan\anaconda3\Lib\site-packages

再试一次

 在程序运行时输入nvidia-smi可以看GPU的使用率。

 成功 ！